5.8.1. 基本¶

Matplotlib 是 Python 编程语言及其数值数学扩展包 NumPy 的可视化操作界面。它为利用通用的图形用户界面工具包，如 Tkinter, wxPython, Qt 或 GTK+ 向应用程序嵌入式绘图提供了应用程序接口（API）。
Matplotlib 教程：https://www.runoob.com/matplotlib/matplotlib-tutorial.html
Matplotlib 官网：https://matplotlib.org/
Matplotlib 源代码：https://github.com/matplotlib/matplotlib
打开 matplotlib魔法找到 %matplotlib

基本元素¶

图表的基本元素:

图名
x轴标签
y轴标签
图例
x轴边界
y轴边界
x刻度
y刻度
x刻度标签
y刻度标签

实例:

# 范围只限定图表的长度，刻度则是决定显示的标尺
df = pd.DataFrame(np.random.rand(10,2),columns=['A','B'])

fig = df.plot(figsize=(8,4))  # figsize：创建图表窗口，设置窗口大小

plt.title('TITLETITLETITLE')  # 图名
plt.xlabel('XXXXXX')  # x轴标签
plt.ylabel('YYYYYY') # y轴标签

plt.legend(loc = 'upper right') # 显示图例，loc表示位置

# 这里x轴边界范围是0-12
plt.xlim([0,12])  # x轴边界
plt.ylim([0,1.5])  # y轴边界

# 但刻度只是0-9, 刻度标签使得其显示1位小数
plt.xticks(range(10))  # 设置x刻度
plt.yticks([0,0.2,0.4,0.6,0.8,1.0,1.2])  # 设置y刻度

fig.set_xticklabels("%.1f" %i for i in range(10))  # x轴刻度标签
fig.set_yticklabels("%.2f" %i for i in [0,0.2,0.4,0.6,0.8,1.0,1.2])  # y轴刻度标签

图表样式¶

图表样式各选项:

linestyle
color
marker
style (linestyle、marker、color)
alpha
colormap
grid

color颜色参考这儿

实例-linestyle, marker, color:

s = pd.Series(np.random.randn(100).cumsum())    # 需: import numpy as np,import pandas as pd
s.plot(linestyle = '--',
       marker = '.',
       color="r",
      grid=True)

实例-透明度与颜色版:

s.plot(style="--.",alpha = 0.8,colormap = 'Reds_r')

实例-透明度与颜色版2:

df = pd.DataFrame(np.random.randn(100, 4),columns=list('ABCD')).cumsum()    # 需: import pandas as pd
df.plot(style = '--.',alpha = 0.8,colormap = 'summer_r')

图标注解¶

实例:

df = pd.DataFrame(np.random.randn(10,2))
df.plot(style = '--o')
plt.text(5,0.5,'Hello',fontsize=12)

子图绘制¶

函数格式:

plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True,
              FigureClass=<class 'matplotlib.figure.Figure'>, **kwargs)
plt.subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, subplot_kw=None,
              gridspec_kw=None, **fig_kw)[source]

figure对象:

fig1 = plt.figure(num=1, figsize=(8,6))
plt.plot(np.random.rand(50).cumsum(), 'k--')
fig2 = plt.figure(num=2,figsize=(8,6))
plt.plot(50-np.random.rand(50).cumsum(), 'k--')

建子图后填充图表:

# 先建立子图然后填充图表
fig = plt.figure(figsize=(10,6), facecolor = 'gray')

ax1 = fig.add_subplot(2,2,1)  # 左上角
plt.plot(np.random.rand(50).cumsum(),'k--')
plt.plot(np.random.randn(50).cumsum(),'b--')

ax2 = fig.add_subplot(2,2,2)  # 右上角
ax2.hist(np.random.rand(50),alpha=0.5)

ax4 = fig.add_subplot(2,2,4)  # 右下角
df2 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])
ax4.plot(df2,alpha=0.5,linestyle='--',marker='.')

subplots子图数组填充图标:

# 创建一个新的figure，并返回一个subplot对象的numpy数组 → plt.subplot
fig,axes = plt.subplots(2,3,figsize=(10,4))
ts = pd.Series(np.random.randn(1000).cumsum())

print(axes.shape, type(axes))     # (2, 3) <class 'numpy.ndarray'>

# 生成图表对象的数组
ax1 = axes[0,1]
ax1.plot(ts)

# plt.subplots 参数调整:

fig,axes = plt.subplots(2,2,sharex=True,sharey=True) # sharex,sharey：是否共享x，y刻度

for i in range(2):
    for j in range(2):
        axes[i,j].hist(np.random.randn(500),color='k',alpha=0.5)

# wspace,hspace：用于控制宽度和高度的百分比，比如subplot之间的间距
plt.subplots_adjust(wspace=0,hspace=0)

多系列图绘制:

df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list('ABCD'))
df = df.cumsum()
df.plot(style = '--.',alpha = 0.4,grid = True,figsize = (20,8),
       subplots = True,
       layout = (1,4),
       sharex = False)
plt.subplots_adjust(wspace=0,hspace=0.2)